量化投资和价值投资精选(十四篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的14篇量化投资和价值投资，期待它们能激发您的灵感。

篇1

记者：量化投资有什么特点？

刘钊：量化投资的主要特点是买入、卖出股票，不再是由人的主观判断做出决定，而是由量化模型决定。量化投资是一套科学的方法，有严格的分析、计算，什么好什么不好，不是我们自己说了算，是数据和模型说了算。即使是简单的低市盈率投资方法，只要能严格执行，就能取得超额收益。

记者：排除了人为主观情绪的影响，但由量化模型控制的量化投资基金的收益会如何呢？

刘钊：我们可以看看美国最成功的量化投资大师――詹姆斯・西蒙斯管理的大奖章基金，在1989年―2006年的17年间，大奖章基金平均年收益率达38.5%，而股神巴菲特过去20年的平均年回报率也不过20%。正是鉴于量化投资的巨大威力，摩根士丹利华鑫基金公司经过两年的精心准备，推出了国内真正意义上的量化投资基金――大摩华鑫多因子基金。

记者：量化投资的成败，关键在哪里？

刘钊：普通投资者买卖股票，主要是基于政策、基本面、市场、技术等各种信息和经验来做出交易决定，这些因素属于主观判断，而且往往容易受到情绪的影响。量化投资是将投资思路通过设定的指标、参数体现在量化模型上，通过计算机系统自动买卖股票，因此，量化投资的关键点就在于建立一个好的量化模型。

记者：量化投资和价值投资冲突吗？

刘钊：说到投资，大家首先想到的是巴菲特的价值投资，从长期的历史实践看，价值投资确实比较有效，量化投资也可以建立价值投资类的模型。

举例来说，衡量价值投资的最重要指标是低市盈率，如果以市盈率为标准来建模，以2005年5月为时间点，按市盈率对所有上市公司排序，再按市值比例模拟买入市盈率最低的100只股票，第二年5月，重新计算市盈率最低的100只股票，并调整组合，如此重复，每年调整一次仓位。得到的结果是，从2005年5月至2010年5月，沪深300指数的年化收益率为25.4%，同期量化建模的低市盈率策略基金的年化收益率达到29.46%，与沪深300指数相比，低市盈率策略基金的超额收益为4.06%。以此为基础，再以预期市盈率为基础建立一个模型，并模拟买入当年预期市盈率最低的100只股票，量化模型的年化收益率有36.51%。

记者：大摩华鑫的量化投资模型有何成功之处？

刘钊：大摩华鑫量化投资的模型既有一些过去历史上证明非常有效的投资方法，比如价值投资，也有投资管理团队的支持，大摩华鑫资深基金经理多年的投资经验也为大摩华鑫的量化模型提供了一些思路。此外，我们还通过外方股东摩根士丹利以及通过数据挖掘的方法，找到一些好的投资策略，为建模提供思路和方法。

篇2

华尔街从来不乏传奇。2006年,全球最高薪酬收入再次落入一个华尔街人士之手。前数学家、定量化对冲基金经理西蒙斯年收入达到惊人的15亿美元。2009年,另外一群人――高频交易者――帮高盛银行等金融机构赚得盆满钵溢。

这些人,因其使用高等数学手段决定亿万计资金的投向,而在30年前赢得“火箭科学家”名声。在外人看来,他们有些像中世纪的炼金术师:给他们数据,他们还给你美元!

华尔街的数学传说

实际上,在华尔街上管理资金规模最大的量化技术,并非那么不可捉摸:众多公司使用“因子加总模型”辅助他们选择股票。

这种方法大多基于Fama-French的开创性论文,其基本思想很简单:依据各项基本面指标对于历史上超额回报的贡献程度,来决定这些基本面指标在选出“超级股票”上的“有效性”,并据此赋予这些指标不同的权重;按照上市公司指标在全部篮子股票中的排序,再使用上述步骤中获得的权重对其进行加权加总计算。如果该公司的加权之和排名靠前,则表明该公司的基本面指标符合能够带来超额回报的历史模式,从而有望在未来展现强势。

数学模式大同小异,公司之间的竞争主要集中在两个方面:第一,各公司均投入巨资,研制自己的特有指标;第二,研制更加有效、稳定的加总方式。

传统的基本面分析往往要求基金公司雇佣大量分析师,成本高昂。由于每个分析师能够跟踪的公司数目有限,基金经理不得不在较小的股票篮子中进行选择,有可能错失最好的投资机会,投资组合的分散程度也受到限制。同时,依赖基本面分析进行投资管理要求基金经理进行大量的主观判断,人性弱点(贪婪与恐惧)对投资业绩往往产生较大影响,投资业绩波动较大。使用这种方法建构的投资组合往往无法定量化控制每只个股给投资组合带来的风险。从基金公司的角度而言,这种方法对基金经理个人的依赖较大,一旦出现人员变化,基金业绩也往往随之波动。

量化选股方式将投资决策建立在对历史模式的详尽研究之上,克服了上述缺点。其在美国投资界的应用近20年来大幅提升,管理资产额的上升速度为传统方式的4倍。

回归价值投资

然而,过去数年,定量化基金遭遇了重大打击。2007年,最大的定量化机构对冲基金、高盛名下的Global Alpha遭遇了重大损失,几乎清盘。2008年,众多量化基金再遭滑铁卢。笔者在北美也曾主持研制一个包含上百个指标的量化选股系统,但在实践中,却最终放弃。

实战经历指出该类系统的一个致命弱点是,在实战中,哪一类因子何时发挥作用,是不可预测的。有些时候是价值因子占优,有时候是增长因子占优,而何时其影响力出现变化,难以事先预测。其结果就是分析师与基金经理疲于奔命地试图追赶因子影响力变化的脚步,并据此不断矫正模型。如此,基金经理不得不在使用量化系统的同时,使用个人化的随机判断对量化系统进行纠正――这弱化了它本该享有的优势并导致投资业绩大幅波动。

仔细反思,最主要的问题在于,各预测因子被无机地组织在一起,各个因子之间的互相影响却没有被考虑。也就是说,华尔街模型“从数学到数学”,缺乏对投资哲学的深入理解。

量化技术所具有的优势应该被利用,但数学手段应该被视为手段,而不是主导。一个有希望的发展方向,是将量化技术与价值投资哲学相结合,实现“从哲学到数学”式的投资理念。为此,需要在投资哲学上,梳理价值投资理念的本质。

价值投资在国内市场有众多拥护者,也不乏怀疑者。实际上,国内普通投资者对价值投资的理解有值得深化之处。笔者以为,价值投资的本质有二:

第一,价值投资告诉投资者,市场会犯错。以“5毛钱买进1元钱价值”作为号召,价值投资拒绝接受“有效市场理论”。但事实上,在大多数时候市场是有效的。大多数股票的价格正确反映了所有的信息、知识与预期,当时的价格就是上市公司的内在价值。要获得超额回报,必须去寻找市场可能呈现的“异常”,或者说在何处投资者的平均预期可能落空。价值投资就是寻找“未来”与“预期”之间的歧异。量化系统的设计目标是,要有能力淘汰那95%的普通(有效)情况,而把注意力引导剩余的5%――在那里,“未来”与“预期”有最大的机会出现歧异。

第二,价值投资的另一面,是说任何人都会犯错。当我们集中注意力去寻找“超级股票”的时候,是在下一个极大的赌注。这个赌注是高风险的。所以,请记住索罗斯的告诫:“投资者重要的不是做对还是做错,而是在做对的时候赚多少,做错的时候亏多少。”为对冲第一个赌注的风险,需要寻找最大的安全边际――当我们犯错的时,安全边际将保护我们不致尸骨无存。

安全边际是指,市场涨跌的轮回已经测试过所有情景。该公司在完整的牛熊市周期中,由千千万万投资者的真金实银所测试出来的估值空间。因此,安全边际的定义并非相对市场平均水平更低的PE值这么简单。每家公司都不同于别的公司,将不同公司的估值水平相比较,更多时候带来误导而不是洞察力。应该将公司目前估值水平与该公司调整后的历史范围相比较,并决定“安全边际”存在与否。

在实践中,要寻找在未来可能提供业绩惊喜、而仍在其估值范围下限附近交易的公司。依据此思想,数量化技术可以对所有上市公司的投资机会予以量化评估,进而实现“从哲学到数学”的投资思路。

对中国股市独特性的夸大导致某些论者以为,在中国股市,唯有投机可以赢得超额利润。这其实是伪命题。事实上,正是由于中国股市效率较低且风险奇高,一个系统化评估市场错配与风险衡量的系统,可以发挥最大效率。一切都取决于对市场运行规律的深入把握与技术优势的结合。在实践中,我们开发的量化价值投资体系取得了稳定超越指数的优良业绩。这有力地证明,中国股市的特殊性并没有遮盖其作为投资市场的普遍性。

在股市投资这项人类活动中,同时存在着两类知识。一是客观知识,即可以凭借科学(数学)方法来发现的真实;二是主观价值,即通过对价值的认定来获得的完善。在证券分析方法的演进过程中,这两类知识从最初的混沌不分,到此后的分裂和截然对立,再到两者被有机结合。

篇3

刘海影是一位转战国内阳光私募的海外对冲基金经理，他在寻求价值投资理解的基础上建立了自己的数量化投资逻辑，并以此为利器展开了国内阳光私募之旅。

刘海影曾担任加拿大某对冲基金公司基金经理和首席投资官，2011年回国与广晟集团合作创立广东广晟财富投资管理中心并担任投资总监。

广东广晟财富投资管理中心也是国内首家拥有国企背景的阳光私募公司，大股东深圳市广晟投资发展有限公司是广晟投资集团旗下全资子公司和资产运作平台。

对冲基金经理转战A股

刘海影是在2001年前往加拿大开始自己的海外投资经历，当时他正在攻读北京大学金融学博士学位，而在此之前，刘海影作为A股第一批操盘手已经在资本市场颇有斩获。

对于归国从事阳光私募管理，刘海影表示，一是希望追求事业的进一步提升，二是希望把国外学习多年的投资经验应用到国内股市。

刘海影说，他在加拿大管理的对冲基金有两个品种，一个是宏观对冲性质的多资产平衡基金，一个是传统的多空对冲基金，两种基金都大量运用了数量化模型。而数量化投资在国内还处于起步阶段，他期待通过这种系统科学的投资理念引导投资者比较成熟和理性的投资思考方式。

量化投资寻找市场犯错机会

“价值投资就是用5毛钱的价格买入1块钱的价值”。刘海影崇尚价值投资，这里假设市场犯错，给投资者一个便宜买进的机会。

但事实上市场犯错的机会是很少的，根据刘海影的分析和判断，美国可能是5%，8000多家上市公司，可能有500家公司存在定价不太正确，其他的都难言错误；而中国市场的机会更多一些，可能有10%甚至15%，2000多家上市公司可能有200多家定价不完全正确。

在刘海影看来，寻找市场犯错的机会也就是寻找价值，并不是一件容易的事情。他希望通过一套科学的量化系统去发现这些机会，因此，3年之前，在国外量化模型的基础上，他开发了首套国内上市公司价值评估量化体系。

刘海影说，这套价值评估量化体系的一个核心环节就是寻找业绩惊奇，即，在未来一段时间，上市公司基本面能表现出跟大家预期不同的状况。通过定量化模型对每家公司建立一个数据库，分别计算88个分析指标，每家公司都形成一份长达11页的详尽的分析报告，再给出1-9级的价值评级。

除了业绩惊奇，安全边际也是这个量化模型重要的一部分，刘海影寻找的投资标的需同时满足这两个条件，这样2000家公司里面大概有200多家公司会符合标准。最后再做进一步的基本面分析和调研，最终会有50家公司进入投资组合。

战略风险评级确定投资仓位

对资产组合的风险管理，刘海影非常重视对宏观经济的研究和整体市场的估值高低。刘海影说，中国股市的系统性风险是很大的，经济各个方面的变化导致市场下跌时，个股会普跌，因此他觉得对股市的战略风险进行研判和系统化评估是很重要。

而对宏观经济的研究也是建立在量化分析的基础上，重要的变量包括利率、生产物价指数，固定投资增速、美国贸易逆差、重工业与轻工业指数之差等，计算和分析历史上这些指标对于股市的运行方向以及作用度大小。

整体估值水平的高低也是判断风险的重要指标，主要是通过这两个指标来分析战略风险确定仓位。刘海影举例说，“2008年，当时估值水平高，宏观经济环境也不利，在我们的战略风险评级里面处于第九级，最差的评级，因此仓位应该小一点，谨慎一点。之后随着宏观经济刺激政策的出台，宏观经济环境由不利变成中立，再变成有利，同时估值也在下降，风险评级也相应的从9级变为3级、2级和1级，提示市场存在较大的机会”。

股市上扬的机会在四季度或明年一季度

“根据我们的战略风险量化评级体系，目前市场的估值水平合理偏低估，宏观经济处于经济是在下滑的过程中间”。刘海影对未来一段时间的市场行情表示谨慎，中短期内看不见大行情到来的迹象，股市的上扬的机会可能会在四季度或者明年一季度之后。

刘海影说，今年的经济增速能维持在9%以上，因为 GDP基数高，但从微观经济层面来讲，企业的效益是下滑的，中小企业的处境比较艰难，未来这种情况可能难以迅速好转，明年经济状况比今年困难。

按照他们量化的计算，目前整个经济环境类似2004年的下半年。从目前来看，经济从被动加库存逐步演变到主动减库存的阶段，行业竞争进入白热化，现金流会紧张，企业的利润率会下滑，对市场形成利空。

对于通胀，刘海影表示周期性因素较大，主要原因是固定投资增速太大，历史上，在投资建设期，通胀的压力都会很大，新项目上马，下游行业的景气传递到下游和中间环节，互相推进，提价空间比较大，通胀就会上去。

一旦投资建设期走向产能释放期，新项目投产，变成产能后竞争就会很激烈，需求没有增加，供在增加，供过于求，通胀压力就会下来。

重仓房地产不看好银行

尽管对未来的行情表示谨慎，在刘海影看来，由于估值在下降，短期内不排除机构性机会的出现，一些错杀的公司值得买入。

在其量化资产组合中，地产股是目前仓位相对较重的板块，他们的分析指出，伴随着中国的高经济增长，房地产价格的上升和投资额的上升是有坚实的经济学基础的。政府的调控改变不了其内在的动力，并不认同中国的房地产价格一定要会下滑，只是增长的速度会下滑。

而在调控之下，往往会出现上市房企的的市场份额扩大，一些区域性城房地产上市公司的机会更大。

“市场数据支撑我们的看法，今年来房地产股票指数是上升的，到6月30日，大盘跌了2%―3%，小盘股跌的更多，房地产指数上涨了5%多”刘海影表示，所以做投资一定要看到市场喧嚣下的一些事实，不能完全由市场情绪来主导。

篇4

在BGI的主动投资领域中， “市场中性”策略取得了巨大成功。黎海威开发的香港、新加坡市场的量化模型正是运用到此类市场中性基金，它们采用的是后来名满天下的基本面量化投资方法。简要地说，基本面量化投资即借助一系列基本面因子构建的量化模型筛选股票，以融资融券的方式实现多空对冲，从市场中获得绝对收益。除此以外，相关模型也运用到指数增强和130/30基金。

在黎海威看来，投资是个概率问题，通过基本面分析，提高找出好股票从而跑赢市场的概率，即赢面。如果挑选的每只股票的赢面在55%，而投资组合由100只这样的股票构成，整个投资组合战胜市场的概率就会接近100%。

量化投资的核心在于维持一个稳定的赢面，而在比较大的范围（即投资的宽度）内运用它。挑选出好股票，需要从合适的维度来筛选，比如估值、盈利质量、情绪等等。这些因子都不是随意挑选的，它们一般有金融理论背景（价值投资、行为金融等）支持， 并结合了当地市场的实际情况。

基本面量化投资并非像人们想象的只是靠跑系统选股和交易，事实上，它的本质是主动投资。这样的投资方法，关注基本面和市场演变，需要基金经理的经验、判断和对市场的理解。黎海威认为，关键在对市场黎海威在量化投资的世界里，华人迄今掌管的最成功基金之一是巴克莱亚洲（除日本）市场中性股票投资基金。2012年8月，曾在巴克莱工作时间最长的华人基金经理黎海威，回国进入景顺长城基金，担任景顺长城基金的量化及ETF投资总监。他即将启动其在国内的第一个量化投资产品——景顺长城沪深300指数增强基金。的理解， 在把量化框架和当地市场的实际情况结合起来，在强调纪律性的前提下， 坚持以量化模型为依托， 不断地将新出现的现象和发现的规律抽象出来，添加到模型中。

与此同时，对于特殊事件，比如数据错误、 收购兼并等量化模型无法及时处理的情况， 需要基金经理在投资组合中控制相关风险。更为重要的是，因子的研究和权重的调整要有前瞻性。例如在次贷危机发生后很长一段时间里，人们对价值股没有任何兴趣，但随着违约风险逐步降低，价值股在2010年迎来了相当强劲的行情。当时，由黎海威担任基金经理的亚洲（除日本）市场中性股票投资基金及时调整了价值股权重，获得很好的业绩。

当然，基本面量化投资有着量化的纪律性，这是业绩稳定性的保障。黎海威认为，量化投资的纪律性首先表现在量化研究的严谨性上。做量化投资并非像大家想象中的多空对决的精彩，反而有点像做金融的博士论文，整个研究过程从课题的提出到研究、回测都是在严密的框架下进行的，是可重复验证的。

篇5

摘 要 自2010年4月股指期货推出后，数量化投资逐渐成为我国资本市场的一个热点。对此，本文以投资者熟知的MACD指标为基础，运用遗传算法和模拟退火算法，建立了一个数量化投资模型。该模型的仿真投资收益明显超出大盘，而风险明显低于大盘。本文基于MACD指标建立数量化投资模型的方法简单、有效，可操作性强，可方便地推广至其他技术指标，在数量化投资领域中可能具有广泛的发展前景。

关键词 数量化投资 MACD 遗传算法 模拟退火算法

一、研究背景

与传统投资基于各方面信息和个人判断进行操作不同，数量化投资将适当的金融理论、投资经验等反映在数量模型中，然后利用程序软件代替大脑对海量信息进行科学处理，总结归纳市场规律，最终建立可以重复使用的、不依靠个人主观判断的投资策略。

由于数量化投资的操作策略往往经过了严格的验证，具有较强的系统性和规范性，主观随意性较少，风险可测可控，因此随着计算机数据处理能力的迅速提高，数量化投资获得了快速发展，数量化基金的规模亦迅速扩大。据统计，自2003年以来，数量化基金规模的年均增长速度高达15%，而传统型基金规模的增长速度则低于5%。

很显然，科学的数量模型是数量化投资成败的关键。当前，主流的数量模型均考虑了多方面的因素，既包括各种基本面因素，又包括各种技术因素，涉及较为高深的经济学、金融学、技术分析等知识，模型都比较复杂，理解难度较高，甚至令人望而生畏。对此，本文以人们熟知的技术指标为基础，通过引入遗传算法和模拟退火算法对参数进行优化，建立了一种较为简单、有效的数量模型构建方法，希望能为推动我国刚刚起步的数量化投资发展有所帮助。

二、模型框架

由于MACD指标以经平滑后的股票价格为基础，而股票价格包含了绝大部分的基本信息和技术信息，因此本文以MACD指标为基础研究建立相应的数量化投资模型。

（一）MACD公式

MACD是投资者最熟悉的技术指标之一，主要包括EMA、DIF和DEA三个指标，涉及一个已知变量（收盘价P）和三个未知参数（ 和 ），公式较为简单。

（二）决策准则

虽然MACD指标的运用方式有很多种，既存在对指标值的应用（如比较DIF和DEA的大小），又存在对形态的应用（如底背离、顶背离等）。对此，本文制定的决策准则相当简单，即：

时，做多

时，做空

三、模型参数优化

（一）参数的科学取值是决定MACD指标投资决策价值的一个关键因素

在一般的技术分析参考书和交易软件中， 和 通常取12、26和9。然而，该取值并不是最优的。

例如，以2005年1月5日至2010年12月31的沪深300指数为例，根据（公式1）和（公式2），做多业务在 和 取值12、26和9时，可获得的投资收益为230.55%（收益①）；而在 和 取40、195、130时，可获得的投资收益为651.98%（收益②）。

因此，参数取值是否合理决定了使用MACD指标进行投资决策时投资收益的高低，决定了MACD指标的投资决策价值。

（二）人工智能算法在技术指标参数优化领域中的突出优势

运用MACD指标建立数量化投资模型的关键在于对公式中的三个参数进行优化。然而，虽然参数取值与投资收益间存在确定的函数关系，但该关系并不能用一个表达式予以直接阐述，因此传统的解析方法在此并不适用。而其他传统方法如随机法和穷举法的优化效率不高。在此情况下，可运用人工智能算法有效解决此类优化难题。

遗传算法（Genetic Algorithms）和模拟退火算法（Simulated Annealing Algorithms）是人工智能的重要分支，两者均从一定的初始值开始，按照明确的规则搜索最优解，并不要求目标函数存在明确的表达式，且具有高效、鲁棒性强等特点。由于技术指标参数与投资收益间的关系相当复杂，不存在明确的函数关系式，因此遗传算法和模拟退火算法在技术指标参数优化领域中具有很高的应用价值。

此外，遗传算法和模拟退火算法的基本原理和运算过程虽然较为复杂，但其运用却相当简单，MATLAB等数据处理软件均提供了现成的工具箱供用户方便地使用，且即使不掌握参数优化的原理和运算过程，也不会对数量模型的研究产生重大影响，因此运用遗传算法和模拟退火算法对技术指标参数进行优化的可操作性强。

（三）遗传算法和模拟退火算法应用举例

1.MATLAB指令

假设投资收益R和参数 、 间的关系为R=gain( 、 )，则MATLAB的遗传算法指令和模拟退火算法指令分别为：

[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options)；

[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。

其中：

x和fval是程序返回值，分别为参数 、 的最优化取值及其所对应的投资收益；

gain是目标函数，可根据（公式1）、（公式2）和（公式3）编写；

nvars是待优化的参数个数；

x0是参数 、 的初始值；

lb是参数的下界；

ub是参数的上界；

options是MATLAB指令的设置选项。

篇6

据私募排排网数据统计，截至2012 年2月29日，国内共有各类创新型策略私募基金产品93只，包括52只定向增发产品、11 只股票量化产品、9 只股票行业产品、4只股票多空产品、10只股票市场中性产品、11只股票量化产品、11只相对价值产品和2只全球宏观产品。

“私募市场同质化产品太多，竞争大，必须要用产品创新来吸引客户。”私募排排网研究员彭小武如是说。

股票策略占大头

据私募排排网数据统计，股票策略仍是创新策略中最为庞大的群体，而93 只创新型策略基金产品中含有11 只股票量化产品、9 只股票行业产品、4只股票多空产品、10只股票市场中性产品和11只股票量化产品。

此外，2011 年定向增发产品的盛行使得事件驱动型私募基金产品成为第二大创新策略种类，数君投资、东源投资为定向增发主力军。

股票产品特点

股票创新产品包括股票市场中性、股票多空、股票量化、股票行业四种。

股票市场中性基金通常采用股指期货等手段对冲系统性风险，贝塔值在-30%到30%之间。

股票多空策略则是，不追求绝对的市场中性，而根据基金经理对市场的判断决定对冲比例。

而股票量化则主要采用量化工具决定大类资产配置、进行股票选择或交易。行业基金的基金经理在这些行业有着比一般投资者更专业的技能，大部分的资金集中于某一个行业。现存的行业基金囊括了医疗、消费、TMT 三种投资方向，从容投资的医疗系列是首个也是数量最多的私募行业基金。

全球宏观运用最广泛策略

据悉，国内第一支全球宏观策略产品成立于2011 年3 月，是由潮鑫泰安发行的“潮鑫泰安・量化成长1 期”产品。投资范围包括股票、基金、债券、商品期货、股指期货、融资融券等品种，应用量化投资系统作为辅助投资和风控的工具。

宏观策略基金运用很广泛的策略进行交易，投资理念在于经济指标的变动方向以及其对股票，固定收益产品，货币和大宗商品市场的影响。基金经理运用各种投资技术，包括人为决策和系统决策，结合从上往下和从下往上宗旨，数理或者基本面分析，长短持有期结合。

定向增发属于事件驱动基金

事件驱动基金的意思是，包括以并购重组事件为触发条件，或以定向增发项目为投资方向的私募基金。国泰事件驱动是国内第一支并购重组事件驱动型私募基金，而定向增发型对冲基金在2010-2011 年迅猛发展。

篇7

4月28日，《投资者报》从国投瑞银基金公司了解到，该公司旗下第5单可投资股指期货的一对多专户产品的发行受到热捧。发行首日，来自中信建投证券的百万级客户踊跃参与认购，使得首募金额接近2亿元。为了控制这只产品的适当规模，便于未来的管理效率，国投瑞银决定“一日售馨”，提前结束募集。

此种迹象现于近期沪指再度失守3000点，股票型新基金发行一个月时间规模也不过十几亿元的背景中，不免令人深思。

《投资者报》本周基金专题对一季报展开全样本解析，而走进“基金经理面对面”专栏的嘉宾，如农银汇理基金总经理许红波将对个中数据深度解读，此外还有兴全可转债杨云、光大保德信信用添益陆欣、华夏亚债中国指基董元星，以及“宽客”大摩华鑫金融工程部副总监刘钊。

不刻意打造“明星基金经理”

《投资者报》：许红波能否将农银汇理一季报的精华观点做个介绍？同时，作为一家基金公司的总经理，让人才流动尤其是投研人才流动减少，是各家基金公司不可避免的一个问题。对此你怎么考虑？

许红波：今年以来市场出现了明显的风格转换，大盘价值股相对小盘成长股表现抢眼，去年风光无限的小盘股回落幅度较大。这背后的主要原因在于，宏观经济复苏的现象最终反映到股票市场，大部分周期价值股过去两年相对落后的涨幅，具备估值修复的动能和需求。而另一方面，小盘股在长时间推高过程中积累了较大的估值压力，因此遭到市场的暂时抛弃。

从我们旗下基金一季报的主要观点可看到，一季度市场风格的最大特征，便是低估值“大象”起舞，而高估值“消费”跳水。我们基本按此转换的大方向进行投资调整，如农银大盘蓝筹一季度主要增加了低估值且业绩相对确定的行业配置，其中低估值蓝筹股是主要增持的个股对象，降低了科技、医药股配置。

农银汇理当然也会遇到“人才流动”的问题，从公司角度来说，我们能做的是尽量用好的制度去保持人员稳定。比如在基金经理的考核上，会更注重长期业绩。有的基金经理出现一段时间的业绩波动，管理层会客观分析原因而非简单换人。

我们的投研团队有三大特点：招揽“勤奋好学”的人、倡导“沟通无边界”的文化和用“晋升机制”培养后备梯队。从没有刻意去打造“明星基金经理”。

我们的投研团队中有十年以上的“老兵”，也有新晋行业的年轻人，但在他们身上都体现出勤奋好学的特点。我们主要以三大层次的量化考核指标来评定研究员业绩。第一层为基础研究，即各行业研究员的模拟股票组合与行业指数的对比，以超额收益率排名，第二层为策略研究员行业配置，第三层为由部门总经理亲自操作的研究部全市场模拟组合。

量化投资在中国会更有效

《投资者报》：在金融投资领域，有一群绝顶聪明的人，业内称之为“宽客”（Quant 金融工程师），他们曾是象牙塔内的读书天才，拥有物理学家和数学家的光环，又以数据与模型寻找市场机会并大赚其钱。其杰出代表就是詹姆斯・西蒙斯，他管理的大奖章基金平均年收益率达38.5%。“基金经理面对面”专栏一直很关注金融创新，也持续对量化投资展开了讨论，作为一位中国“宽客”，刘钊觉得量化投资能给投资者带来何种启迪？

刘钊：量化投资的核心是拥有一套完整科学的投资体系，并严格执行。在投资市场，凭感觉很容易出问题。量化投资是一套科学方法，有严格的分析、计算，什么好什么不好，不是自己说了算，是数据和模型说了算。参数什么时候该调，什么时候不能动，也都是有规则的。所以说，量化投资有一套完整的、科学的体系。

说到投资，大家首先想到的是巴菲特的价值投资，其实量化投资也可以建立价值投资类的模型。举例来说，衡量价值投资的最重要指标是低市盈率，如果以市盈率为标准来建模，以2005年5月为时间点，按市盈率对所有上市公司排序，再按市值比例模拟买入市盈率最低的100只股票，第二年5月，重新计算市盈率最低的100只股票，并调整组合，如此重复，每年调整一次仓位。

结果是，从2005年5月至2010年5月，沪深300指数年化收益率为25.4%，同期量化建模的低市盈率策略基金达29.46%。

《投资者报》：量化投资在成熟市场受重视，但在新兴的中国会否水土不服？

刘钊：量化投资之所以会有超额收益，与市场不成熟、非理性因素较多有关，也与市场中量化方法使用的多少有关，目前中国市场量化投资的应用还较少，应该会更有效。

债券投资回报还看通胀水平

《投资者报》：董元星能否与各位债基经理一道对债市投资把脉？

董元星：我们这只新产品主要投资于国债，因而引起了投资者的广泛关注。通胀上升导致今年一个季度中国债券市场收益率的上行。在利率风险的压力下，很多投资者关心投资债市是否有机会？随着市场逐渐适应央行的节奏，政策边际效果逐渐减弱，债市进入了相对平稳运行阶段。如果通胀水平在下半年得到充分遏制的话，今年的债券市场应该很可能提供一个较为不错的回报。

陆欣：从宏观经济各项指标看，未来经济出现大起大落的可能性不大，更可能是呈现平稳增长态势。虽然3月 CPI同比涨幅达5.38%，再创近两年新高，不过这基本符合市场预期。结合翘尾和新涨价因素，可以预见二季度物价压力会逐步降低，6月份可能会再度高企，但下半年物价将呈现逐步回落态势。就货币政策而言，央行今年最多还有一次加息。在此宏观背景下，股市难见趋势性机会，债市尤其是信用债与股票相比，投资收益相对稳定，风险相对较低。

篇8

关键词：托宾Q理论 美联储 货币宽松政策

中图分类号：F820

文献标识码：A

文章编号：1004-4914（2016）09-180-02

国际货币基金组织的研究报告对货币政策通过房地产行业进行传输的渠道进行了总结。一国利率的变化将直接或间接影响国内的需求，直接的方式是：通过成本的改变以及信贷获得的难易程度影响住宅建设和家庭支出；间接的方式是：通过改变房屋价格来实现。房屋价格的变化反过来会影响整体需求，方式是改变住房投资的激励机制（托宾的Q理论效应）和改变家庭使用抵押物价值的能力来减少其获得消费的资金量。货币的传导中有关大国货币政策影响小国经济表现的文献中，利用冲击反应函数及变数分解等，探讨美国货币政策对美国本身的贸易收支和总体经济的实质效果。实证结果显示，美国货币政策短期会造成美国贸易赤字，而在长期贸易会呈现盈余的情形。

一、托宾Q理论的概述

托宾的Q理论和投资支出之间有着一种关联。Q理论是一种投资模型，一般用于财政，假定投资任何资产是一个函数Q比率：资产的市值与其重置成本的比。

MVt：市场价值；MCt边际成本或重置成本。

因资产多样化外加层层包装的架构下，一般投资大众对于该项凭证所产生的风险根本搞不清楚。当时的美国由于低利率政策，加上大量的外资不断的流入，创造出宽松的信贷条件，而政府又鼓励负债融资性消费，导致投资银行为了赚取高利房贷，不断对其信评较差的客户进行贷放，但当这些信评较差的客户还不出钱时，银行只好拍卖这些因次级房贷所形成抵押债权重新包装后所形成的商品，也就是所谓的不动产投资信托凭证。

二、基于托宾Q理论的美联储货币宽松政策

金融危机过后，美国联邦储备系统（Federal Reserve System，简称美联储），对外以刺激经济复苏和支持劳工市场为由，通过多次量化宽松政策，逐步增加每月对美元抵押贷款支持证券的购买量。经济学家提出，货币政策通过对普通股价格的影响而影响投资支出。詹姆斯・托宾发展了一种有关股票价格和投资支出相互关联的理论，通常称作托宾的Q理论。托宾把Q定义为企业的市场价值除以资本的重置成本。如果Q很高，那么企业的市场价值要高于资本的重置成本，新厂房和设备的资本要低于企业的市场价值。这种情况下，公司可发行股票，而且能在股票上得到一个比正在购买的设施和设备要高一些的价格。由于厂商可以发行较少股票而买到较多新的投资品，投资支出便会增加。

货币政策如何会影响股票价值呢？很简单，当货币供给增加时，社会公众发现他们持有的货币比所需要的多，于是就会通过支出来花掉这些货币。去处之一就是股票市场，社会公众会增加对股票的需求从而提高股票的价格。把这一点和上述事实――股票价格（Ps）愈高，则Q愈高，从而投资支出I也愈高――相结合，得出下面的货币政策传递机制：

当Q>1时，股价高，公司价值高于重置成本，相对企业市值而言，新的厂房和设备比较便宜，企业愿意通过购买资产来扩大投资。

当Q

在传统货币政策受阻时，美国Fed采取直接向民间商银购入中长期资产，并设定目标来直接影响中长期利率（及实质利率），通过通膨预期、财富管道、信用与汇率管道等，来传递货币政策效果。当量化宽松（QE）政策实施后使得市场上产生了预期的通货膨胀率，当预期的通货膨胀率产生时，市场上同时预期了中长期利率将会下降，导致市场上资金流出美国，当资金流出时造成市场上利率降低。因利率降低反而造成市场上需求增加，同时使得当期的股票价格和不动产价格上升。由于实质利率下降，当资产价格上扬时也造成家庭财富、资产净值以及银行担保品价值增加。最终造成消费、投资以及银行放款增加。而预期长期利率降低同时使得国内资金流出，造成美国汇率贬值，促进出口增加，且当长期利率降低时也造成民间投资增加。进一步激励美国国内经济活动而改善失业率。

采用美国房贷违约率、房价成长率、失业率、实质国内生产毛额及联邦基准利率为变量，利用模型中的因果关系检定、冲击反应分析及预测误差变异数分解法，进行研究美国货币政策对总体经济变量和房屋市场的传递效果。结果发现在紧缩性货币政策下会造成房贷违约率的增加以及房价的下跌。而全局变量中可知，失业率、国内生产毛额对房屋市场也有一定程度的影响。从冲击反应分析中可以发现房价与房贷违约率呈负向关系。托宾Q理论贯穿资本市场的价格机制与套利投资机制之中，把企业与资本市场紧密地联系起来。托宾Q理论的含义是丰富的：企业的市场价值发现和价值确定不仅是企业投资决策的依据，而且还是企业优化资本配置和优化产权或所有权结构配置的依据。股票价格的高低成为了左右企业进行套利投资的关键因素，也就Q定了企业能否利用资本市场达到资本升值，迅速扩大规模的目的。同时，资本市场在企业资本配置与产权或所有权动态转换中也必然将达到均衡――资本市场在托宾Q值等于1时达到无套利均衡，企业股票价格反映了资本的真实价值，企业在重置资本与并购企业之间的选择没有差异。托宾Q值也必将围绕资本市场的均衡点上下波动。

三、结论

综上，量化宽松政策的最直接的目的，是增加货币供给，刺激支出；但是，中央银行同时还有目的地选择它用新创造的货币购买的证券的类型，影响这些证券的价格，改变经济中的信贷条款。托宾Q理论更新了传统的投资理念，企业之间并购和出售的套利行为是一种全新的投资思维，企业产权或所有权也在动态转换中达到最优配置。

参考文献：

[1] 向松祚.从三大经典货币理论看量化宽松政策[J].金融博览，2016（4）

[2] 胡晓，蒋华丰.宽松货币政策对我国要素收入分配的影响――基于经济非瓦尔拉斯特征的理论分析与实证检验[J].西部论坛，2016（2）

[3] 姚婷.2008-2014年美联储量化宽松货币政策的理论价值和政策意义：文献述评[J].金融理论与教学，2015（2）

[4] 李宗怡.试析美联储量化宽松货币政策的理论基础及矛盾――现代货币数量论视角的批判[J].河北经贸大学学报，2013（6）

[5] 刘瑞.日本长期通货紧缩与量化宽松货币政策――理论争论、政策实践及最新进展[J].日本学刊，2013（4）

[6] Forrest Capie，Terence C.Mills，Geoffrey Wood.Gold as a hedge against the dollar[J].Journal of International Financial Markets，Institutions & Money.2013（4）

[7] 马冀勋.托宾的Q投资理论与资本市场均衡机制.中央财经大学学报，2008（10）

篇9

关键词：分析 短线

中图分类号：F832 文献标识码：A 文章编号：1672-3791（2012）09（c）-0252-02

2012年以来，以量化分析技术投资著称的量化基金表现得一枝独秀，逐渐从振荡市中脱颖而出。一季度，上证综指上涨2.88%，同期标准股票型基金平均业绩为0.31%，而按照Wind分类的13只量化基金，其平均业绩为2.92%，五行基金更是取得7.65%的正收益，在亚洲量化基金中排名第一，超越同期上证指数4.77个百分点。

美国私募基金复兴科技公司的第一支纯粹的量化投资基金—— 大奖章基金，从1988年3月成立至2008年的21年里，平均年度净收益高达36%，远远跑赢同期道指年均8.81%的涨幅，比索罗斯、巴菲特同期的业绩高出10%，原因：一是数学家基金经理；二是量化分析技术。

1 基本面分析量化分析是投资机构先后采用的2种投资技术

基本面分析，是分析员和基金经理通常采用研究财务报表，与公司高层会谈，与相关人员荷香业专家讨论等方式，对少数几家公司股票（约10到100只股票）进行非常深入的研究分析，来决定要投资哪些股票以及如何投资。在基本面分析分类中，会根据行业不同，有专员长期跟踪和深入研究其中一个行业，而这几名专员最后则会成投资这个行业的专家。在股票市场成立以来长期采用的较为传统的分析和投资方式就是基本面分析。基本面投资，通过企业内部财务报表的形式，来发现企业的潜在价值，以求企业得到稳定持续的高额收益，一旦买入，长期持有。

量化分析，借助数学、物理学、几何学、心理学甚至仿生学的知识，通过建立模型，进行估值、择时选股。量化分析员和量化基金经理，通常会同时研究全盘数千支股票，分析的方式也可以是基于公司基本面的，但是会强调量化财务指标。量化的指标（又称因子）也可以是其他更有特色的数据。从事量化分析投资的基金经理通常不去上市公司实地调研，而是将精力放在不断完善模型上，量化分析投资的模型是决定投资业绩的关键，投资模型始终处于绝密状态，不同市场设计不同的量化分析投资管理模型，在全球各种市场上进行短线交易。

2 量化分析技术获取超额投资收益之道

在变幻莫测的市场经济中，能否理性思考投资、不受情绪影响，将是成功的关键。而利用计算机的筛选得出的量化分析基金，不受投资中非理性因素影响，使投资更有计划行、纪律性、规律性，基金管理人要做到不贪婪、不恐惧、不放弃，不受情绪影响，以一颗平常心追求利益瘦小。

量化分析，有一套完整、科学的投资体系。严格的纪律性是量化投资明显区别于主动投资的重要特征。在量化分析基金的运作中，主观判断也会出现和量化分析模型相左的情兄，但会坚持量化分析投资的纪律，相信模型判断的长期稳定性，不会盲目去调整改变。与传统偏股型基金不同，量化分析基金采用独特的投资组合管理方式，渐进动态调整基金组合。这样不仅可以顺应瞬息万变的市场，还可以降低个股集中度，平稳投资业绩。因此，这种方式并不会产生传统意义的重仓股，也就大大降低了重仓个股的风险。

量化分析业绩，来自于量化分析模型批量选股的成功率大于失败率。量化分析的模型敏锐的“发觉”了开场环境的转变，自动调高了评估因子、预期因子及市场反转因子的权重，量化分析模型依此逻辑选择的股票大部分取得较好收益，提升了整体业绩。

3 量化分析技术创始人并非经济学家。

量化分析技术并非发端于华尔街，不少人最初并非经济学家，如巴契里耶和布莱克原先是数学家，夏普则从事医学，奥斯伯恩为天文学家，沃金与坎德尔是统计学家，而特雷诺则是数学家兼物理学家。1970年代美国债券市场和股票市场全面崩盘，当时提出用量化分析方法管理投资组合的人是作家彼得·伯恩斯坦。1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最著名远见的马克维茨，以该理论勉强通过博士答辩，到1990年10月，这些人中才有三位获得诺贝尔经济学奖。

2012年，美国伦斯理工学院金融工程硕士李炬澎，依据5000年中国古老的《易经八卦数理》研发立体数量模型分析微观经济，用超高频率政治外交词汇、交易数据、股票期权数据、公司债务数据来做个股分析，用《五行相克相生原理》来分析自然、社会、政治、人文如何影响宏观经济。比如用计算机分析新闻报道中天地雷风水火山泽8中自然天文现象与宏观经济关联程度，使五行基金取得亚洲量化分析投资行业第一名的业绩。

4 量化分析技术应用的载体是计算机软硬件技术的发展

马克维茨的投资组合现代金融理论，提出了风险报酬和效率边界概念，并据此建立了模型，成为奠基之作。托宾随后提出了分离理论，但仍需要利用马克维茨的系统执行高难度的运算，1961年，与马克维茨共同获得1990年诺贝尔奖的夏普用IBM最好的商用电脑，解出含有100只证券的问题也需要33mim。夏普1963年1月提出了“投资组合的简化模型”（单一指数模型），简化模型只用30s。1964年夏普又开发出资本资产定价模型（CAPM），不仅可以作为预测风险和预期回报的工具，还可以衡量投资组合的绩效，以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。1976年，罗斯在CAPM的基础上，提出“套利定价理论”（APT），提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。

5 量化分析应用的关键是基本面分析无法快速精确处理丰富的金融产品和巨大交易量

1970年代以前，华尔街认为投资管理需要天赋、直觉以及独特的驾驭市场的能力，基本面分析师、基金经理可以独力打败市场，而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。华尔街对学术界把投资管理的艺术，转化成通篇晦涩难懂的数学方程式一直持有敌意，1970年代初期，美国表现最佳的基金经理人从未听过贝塔值，并认为那些拥有数学和电脑背景的学者只是一群骗子。

量化分析投资不会出现在个人投资者为主的时代。个人投资者既缺乏闲暇的时间，也普遍无此能力。仅有现资理论的建立，及各类模型的完善与推陈出新，并不会直接催生出量化分析投资，它还需要其他几个重要前提条件，比如：机构投资者在市场中占据主导，随着社保基金和共同基金资产的大幅增加，成为市场上的主要机构投资者，专业机构管理大规模资产，需要新的运作方式和金融创新技术，专业的投资管理人有能力和精力专注地研究、运用这些量化分析技术。

1970年代后期的Wells Fargo银行，率先用量化分析技术管理投资组合，投资高股息股票，用较少的风险获得了较大的收益，不用这些模型，不用电脑运算这些公式，会陷于困境。1980年代以来，面对数不胜数的各类证券产品和期权类产品，以及庞大的成交量，许多复杂的证券定价，必须靠大容量高速运算的电脑来完成。到2007年美国股市近一半的机构基金都是由量化模型来管理的。从2000年初到2007年全球量化分析基金市场连续8年表现远远超过其他投资方式。

6 量化分析在应对经济危机和突发经济事件中开拓前进

1987年10月大股灾，当天股市和期货成交量高达令人吃惊的410亿美元，价值瞬间缩水6000亿美元。很多股票直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司，在电脑模式的驱使下，不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出，宁愿走在前面争相出逃，加剧了恐慌。针对整个投资组合而非单个证券，机械式的交易，电脑的自动操作，大量的空单在瞬间涌出，将市场彻底砸垮。

1997年至1998年亚洲金融危机股市暴跌，量化分析投资的算法交易也起到了同样的坏作用。著名的长期资本管理公司，遭遇俄罗斯国债违约这一小概率事件，也陷入破产之境，迫使美联储集华尔街诸多投资银行之力，加以救助。

2007年8月金融危机中，许多量化基金出现巨额损失。其原因主要是几家大型对冲基金大量卖出它们的量化分析基金股票，去弥补其在其他投资方式上的损失。由于很大相同仓位的股票在很短的时间内被廉价卖出，从而加剧了很多投资指标的损失，尤其是价值和动量指标的损失。

2011年即使欧债金融危机发生，量化分析基金也再次表现优异，超过其他投资方式，虽然能否就此再度复兴仍属未知，此一趋势已不可逆转。

7 量化分析技术今后几年全球应用的热点在中国的A股市场

中国金融、资本、股市投资者结构很不合理，A股市场的专业投资机构持有市值的15.6%，而发达市场这一比例大致为70%。更为不合理的是交易结构，A股市场个人投资者持有市值占比26%，但却完成了85%的交易。根据Wind分类，目前我国市场上共有13只量化基金，包含11只普通股票型基金，1只指数基金和1只偏股混合基金。

中国现有的人才和技术都难以支持完全的量化分析投资，在缺乏国际化人才和成熟模型的情况下，经营业绩自然也差强人意。

量化分析今后几年全球热点在中国的A股市场。现在主要发达国家的股市很大程度上由量化基金所控制。为了寻找更高收益的市场，很多大型量化基金也开始大量投资于发展中国家市场，中国的A股市场是今后几年全球量化分析投资热点，所以近年来很多北美和欧洲的高层量化分析基金经理和分析员纷纷到中国大陆、香港和新加坡推广量化投资技术。这是国际国内的金融市场和投资者，都要面对的机会和挑战。

量化分析基金2002年才在中国刚刚起步，到2009年和2010年，才真正进入快速发展期，2010年末量化基金的总规模达到了779亿元。虽然规模有显著提升，但是与国外市场量化分析基金占共同基金总资产16%相比，国内量化分析基金还有非常大的发展空间。

篇10

【关键词】量化选股 GARP策略

一、引言

量化投资策略就是利用量化的方法，从大量的历史数据中寻找并获得超额收益的一种投资策略。其核心思路可分成价值投资策略和成长投资策略。前者追求的是价格被低估的证券价值回归，后者追求的是高估值证券的风险收益。但这两种类型的选股理念都存在明显问题，价值投资选出的低市盈率和较好成长性的蓝筹股在强市常遭冷落，而成长投资则是在博取未来，其选出的高估值证券未必真有成长性，且抗风险能力普遍较差。GARP（Growth　at　a　Reasonable　Price）策略从成长和价值两方面给出了相对完善的解决方案。

二、GARP策略的比较优势

GARP策略是同时考量价值因素和成长因素的一种混合型投资策略，试图寻找价值被市场低估，同时又有较强持续稳定增长潜力的股票。对于投资者而言，GARP　策略益处多多：

（一）分散化投资

GARP策略选取的股票涉及多个行业、各自有不同的市值规模，凸显了分散化投资的概念，避免了局部市场剧烈波动对投资收益的侵蚀。

（二）数量化选股

该方法增强了量化投资对信息的挖掘深度和使用效率，选股过程更为透明、客观，较好地弥补了仅依赖基本面研究的传统投资方式的局限性。

（三）收益更稳定

在股票市场的价值和成长风格发生轮动时，该策略可以兼顾两种因素，有效平滑收益与风险，市场轮动情况下表现更稳定。

三、GARP策略的相对不足

虽然GARP策略由于上述原因对投资者有很大的吸引力，但还是有很多方面应当进一步改进。

（一）　GARP策略在对行业分类时易出现粗糙的“小行业合并”现象

目前的研究领域，可以参考的行业分类种类较多，常用的包括证监会行业类、WIND类、申银万国类、中信证券类、中证类等。一些GARP策略的使用者若用较细的行业分类，则会面临对一些权重较小的行业进行合并的问题。合并形成了一个“小行业”进行研究，这是一种非常粗糙的方法，合并的这些小行业直接可能并没有相似的性质，将它们合并在一起，并不是一个很好的处理办法。

（二）GARP策略容易忽视选股指标在不同行业之间的影响差异

GARP策略对每个行业都是用同一的因子进行分析，这是可进一步细化之处。因为在全市场范围内进行有效因子筛选时，不同行业的因子有效性影响肯定有所区别，如何消除同一因子选股有效性在不同行业间的差异，这一问题需进一步探索。

四、GARP策略的改进意见

GARP策略集中了成长投资策略和价值投资策略的优点，可以有效地寻找那些被低估而且有强劲持续成长潜力的公司，若能在运用中对上述问题恰当解决，则可以使GARP策略更为合理。本人基于对市场的一些研究，提出以下几点相应对措：

（一）利用收益率序列的相关性将权重较小的行业合并到相应行业中

我们在利用GARP策略进行预测时，应当尽可能使行业包含较多相关的股票。对于行业划分较细的分类方法，可能面临因成份股太少而使单个股票的异常情况直接影响到整个选股因子在行业中的筛选效果，因此我们有必要将其合并到大的行业中。合并可以收益的相关性为标准，将收益率相关性较高的行业进行合并。

（二）使用标准化方法消除选股指标在不同行业之间的可比性差异

考虑到各个因子值大小不一，在使用GARP策略进行选股时要先统一量纲，将因子值标准化，将其转化成无量纲、无数量级差别的标准分，然后再进行分析评价。目前最普遍使用的无量纲方法是标准化法，就是另　，其

中是单只股票对应的某一因k的数值。使用标准化方法可以消除量纲和数量级的影响，从而使不同行业之间的股票在某一选股因子上具有可比性。

（三）剔除具有异常收益的股改股票和防止样本内过度优化

2006-2007年是股权分置改革的高峰时期，很多股票在股改完成的复牌首日会出现超高收益，或者是连续涨停。这样的股票对使用GARP策略进行选股是不利的，应当在检验因子时将其剔除。同时，为了避免因使用行业内穷举法筛选出的有效因子出现有效持续性较差的问题，建议采用样本内筛选因子、样本外检验的方法，避免选出的超高收益因子不具有持续性。

总之，GARP策略主要是寻找价值与成长之间的一个平衡。合理可行的成长速度与价值低估，在两者之间实现平衡是一个很好的投资策略，既可以实现稳健的超额收益，又能实现风险可控。要设计出两者之间的平衡，需要将GARP策略不断地完善修正，从而实现投资者回报在资本市场可持续的超额增长。

参考文献

篇11

（辽宁对外经贸学院，辽宁 大连 116052）

摘要：随着沪港通的正式实施，中国股市交易量不断创历史新高.同时在世界石油价格持续降低的情况下，投资策略显得十分重要.本文重点分析策略指数投资在股市投资中的运用.

关键词 ：投资组合；股市；策略指数投资

中图分类号：F830.59文献标识码：A文章编号：1673-260X（2015）05-0068-03

1 策略指数投资介绍

2014年末随着股市行情的走强，指数化产品迅速摆脱前几年净赎回的颓势，呈现爆发式快速增长.伴随着规模的迅速扩张，结构上也出现了一些变化.其中策略指数产品尤其引人关注.广发中证百发100指数基金在开放募集后2天即超过20亿元，显示市场对特定方式策略指数投资的热情追捧.策略指数投资，在国外又称为Smart Beta，即“聪明”的Beta，是相对于“传统”的Beta策略而存在的一种投资理念.传统认知上的Beta是指一种全市场投资组合的系统性风险，在CAPM中以全市场所有股票的市值加权方式计算（market capitalization weighted）.比如标普500指数、日经指数、以及在国内最具代表性的沪深300指数.通过简单的推演，就可以论证市值加权并非是最优的方法.市场对股票的定价并非完全有效，那么市值加权的方式倾向于给高估的股票以更高的权重，而低估的股票以更低的权重，显然这种方式并非是最优的.在这一点上，Hsu（2006）已经给出严格的论证.事实上，市值加权更加注重的是投资机会的市场容量（capacity），因此该类指数更多地被用作投资的业绩基准.那么，如果将投资组合更换成一种非市值加权的方式，其得到的beta就是smart beta，相关的投资策略就称为策略指数投资.这种smart beta指数中的股票权重往往是通过特定的量化算法获得，看起来投资效果会比传统的市值加权beta更加实用，相关的投资策略也往往会选择市值加权指数作为投资业绩的基准.

常见的Smart Beta策略包括价值策略、低波动策略、分散化策略、动量策略等.其中价值策略是以一些股票的价值指标为加权方式，目标是选择一些基本面满足特定属性的股票构成组合.比如基于财务基本面评分的基本面加权，或基于分红率的红利加权等.低波动策略的目标是构建一个最低或较低波动率的投资组合，通常包括最小方差目标加权、波动率倒数加权等方法.分散化策略的目的是提高组合中股票的分散度，应用最广的是等权重策略.动量策略在国外也是一种常见的策略，因为国外市场上验证发现动量因子非常有效，因此会选择以动量因子来作为股票选择和加权的方式，见表1.

据统计，美国近三年新发行的Smart Beta策略投资产品规模约在600亿美元，大致与市值加权的指数产品规模相当，策略也主要以红利、等权重、基本面、低波动为主.而国内近年来策略指数投资产品发展也非常迅速.中证指数公司针对主要的Smart Beta策略进行了验证，证明Smart Beta策略确实能大概率上击败以市值加权的沪深300指数.其中表现最好的是低波动相关策略，包括300最小方差、300低贝塔、300低波动.

2 资产配置下的策略指数投资

根据经典的CAPM模型我们知道，股票资产的收益率取决于其承担的市场风险大小Beta，而无法被解释的部分则为Alpha.但随后的诸多研究发现，各种股票之间的Alpha具有异常的高相关性特征，或许存在市场因子以外的其他因素在影响股票资产的收益率.随后发展的Fama-French三因素模型提出在市场因子以外，价值因子和规模因子也是非常显著的.后来又将动量因子补充进来，从而形成四因素模型.

自此，风格因子投资的概念逐渐被学术界与投资界所广泛接受.事实上，自从1970年代以来，国外就开始萌生基于这种理念的主动投资管理.投资业界在三因素模型基础上开发了非常有效的线性因子投资模型，如Barra公司将国家地域因子、宏观因子、概念风险因子等逐步纳入到其风险评估模型中.随后，学术界又逐步发现了更多有效的风险和策略因子，如低波动率、低流动性、基本面因子等.人们也逐渐发现，原来投资界以往的诸多策略产品实际上并非是提供了有效的Alpha，而只不过是将各种风格因子的beta巧妙包装成投资能力的Alpha来推销给投资者.

在这样的视角上，资产配置投资就自然而然地成为投资方法的主流.我们对资产的看法不再是其表面上所呈现出来的风险与收益特征，而是其特定或持续暴露的风险因子敞口，比如价值因子敞口、规模因子敞口等.如果投资者能够设定自己的风险预算，明确其将在各种风险因子上的敞口，就可以从市场上选择合适的股票、策略指数产品，经过合理的搭配而形成组合.这样的投资组合在风险上是可控的，从而将投资引入了一个新的配置时代.

因此，基于特定量化策略的Smart Beta策略指数投资开始风靡.这些指数投资产品不仅能够提供超越传统Beta的收益表现，更重要的是它们满足了投资者的资产配置需求.这些产品的透明性好、费用低廉，并且突出地暴露到某一个特定的风险因子上.比如在红利策略中，通常会选择那些分红率最高的股票进入组合，并给予高分红股票更高的权重，这样就使得组合在价值因子上产生了显著的风险敞口.在等权策略中，全部入选组合的股票无论市值大小都给予相同权重，从而导致小盘股获得比市值加权指数更高的权重，导致组合在规模因子上产生显著的风险敞口.波动率倒数加权策略则会给予波动率较低的股票更高的权重，从而整体上降低组合的波动性风险，因此也在波动率因子上产生显著的敞口.投资者在把握这些策略指数产品的风险特征后，就能够方便地构建自己的组合配置，反过来也促进了策略指数投资的快速兴起.

然而，Smart Beta策略指数产品也并非完全的“聪明”.在某一段时间内，也许特定的策略指数能战胜市值加权组合，使得它看起来非常“聪明”，但在另一段时间内该策略指数可能会落后市值加权组合，使得它看起来也不是那么“聪明”.这是因为策略指数产品通常会有严重的风险因子敞口，因此其业绩也随着风险因子的表现而起伏不定.可能有一些因子长期来看存在明显的超额收益，导致这些策略看起来非常具有吸引力.

针对几个主要的风险因子，测算了2006-2014年间的表现.表3中我们发现小盘因子是中国A股市场上长期表现最好的，但其波动率也比较大.价值因子、反转因子、基本面因子的长期表现也非常好.然而，表4测算了这些因子表现的相关性，发现各种因子之间的相关性非常低.并且单一因子的信息比率都无法达到2以上，这就表明单纯使用一个因子，即使是表现最好的小盘因子也依然无法达到满意的投资效果.

因此，风格偏向非常明显的策略指数投资产品也即往往会随着市场风格的切换而发生特别明显的波动.但是，如果投资者能够设定自己的风险预算约束，就能够合理地选择多个策略指数投资产品来构造自己的组合基金.组合基金利用不同产品风险敞口的低相关性来降低组合的波动风险.

3 组合基金投资

组合基金是能充分利用策略指数投资产品的优势，同时又充分控制和分散风险的一种很好的方法.目前国内兴起的量化投资基金很多策略就是试图去搭配不同的风险因子，希望在控制一定的风险暴露基础上，追求更高的收益.然而我们发现，这些策略大多数仍然是存在明显的风险暴露.

我们选择2014年表现最好的三只公募基金：华泰柏瑞量化指数、大摩多因子、长信量化先锋.可以发现，虽然这三只基金在2014年、2013年表现较好，但在2011年、2012年里普遍较弱.其主要原因是这些基金普遍在小盘因子上有很强的暴露，2013-2014年里小盘因子表现很强，但2011-2012年里价值因子表现更好.表6拆解了三只基金的全部持仓的自由流通市值分布，不难看出大摩多因子与长信量化先锋在小盘股上偏向非常明显，而华泰柏瑞量化指数向小盘的偏离较小.

我们选择其中业绩记录较长的大摩多因子、长信量化先锋，另外搭配两只偏向价值的策略指数基金：华宝兴业上证180价值ETF、银河沪深300价值.以等权重在四个产品之间搭配，构造一个混合的组合基金投资产品（FOF）.

经过计算，不难看出两个偏向价值的基金产品在2011和2012年明显好于两只偏向小盘的量化产品，但在2013年和2014年里表现弱于量化产品.经过等权构造后，FOF组合在2011-2014年间均能取得正的超额收益，更重要的是其信息比率提升到了2.20，远远高于四只产品各自的信息比率，这说明经过搭配后，资产组合的收益风险表现得到了明显的提升.

4 结论

策略指数投资的Smart Beta正逐渐成为市场上非常重要的一类产品，因其风格特征显著，在特定的市场环境下提供“聪明”的Beta收益而逐渐受到投资者的热捧.然而，单一投资策略指数产品并不能提供稳健的收益，可以考虑在资产配置的目标下合理搭配策略指数投资产品，获取更加稳健的收益.

参考文献：

〔1〕郑鸣,李思哲.我国基金风格投资的积极风险补偿研究[J].厦门大学学报(哲学社会科学版)，2010(02).

〔2〕蔡伟宏.我国股票市场行业指数超额联动的实证分析[J].南方经济，2006(02).

篇12

基于计算机公式和机器交易的量化投资，在华尔街由来已久甚至已经“统治华尔街”。由于国内金融市场起步较晚，自2002年第一只公募量化基金成立，量化基金始终处于徘徊、缓慢发展态势。 2015年，量化产品终于集中爆发，到2016年，A股市场动荡，量化基金大放异彩，占领了多个公募基金收益排行榜冠军位置，各基金公司纷纷加紧产品布局。

然而，2017年市场行情突然逆转，中小市值股票超跌乐兀模型建立于“回测数据”的量化基金发展再次陷入困境。据iFinD不完全统计显示，截至6月末，53只主动型量化基金有半数以上业绩告负。

其中，2016年最为热门的量化基金产品长信量化先锋A，今年年初至6月30日，以-12.32%亏损幅度垫底。值得关注的是，经过一轮宣传推介和持续营销，长信量化先锋在2016年成为市场上第一只规模突破百亿的量化基金，这也意味着量化投资业绩稍显起色，即在高位套牢为数不少的投资人。

同期，曾在2016年表现突出的创金合信量化多因子股票A、大摩多因子策略年内分别亏损-9.78%、-13.37%。

截至一季度末，东方启明量化先锋混合、东兴量化多策略混合、华润大元医疗保健量化混合等基金规模已低于5000万元的清盘线。

多位受访业内人士表示，对于量化基金的发展，基金业再度陷入“是否适合国内市场”、“回测数据的可靠性”、“人和机器如何结合”等深度困境。

从“风光无限”到“狂跌”

2015年以来，A股市场持续震荡与低迷，加之“资产荒”的资产配置难题，量化投资成为公募基金必争之地，特别是一些中小型公司，迫于同质化竞争压力，奋力打造“量化”特色。

以长信基金公司为例。“公司一直很重视量化产品的开发。”长信基金一位负责人介绍，长信基金从2010年起开始发行量化产品，到2017年一季度，旗下4只量化类权益类基金规模合计达到137.53亿元，占全部权益类总规模的近50%，较2015年同期20.28亿元规模大幅增长。

同长信基金一样，富国基金、南方基金等也都曾表态重点建设“量化基金”产品线。

2016年，量化基金表现尤为突出，成立于2016年前的68只量化基金，有28只2016年取得了正收益，在40只下跌的基金中，跌幅超过5%的有19只，占比不足四分之一。与此同时，天相投顾的统计数据显示，2016年股票型基金全年平均下跌13.38%，混合型基金平均下跌8.61%。

根据上海一家大型基金公司管理层人士透露，长信基金量化团队组建于2008年，约有10余人团队，尽管这一配置在业内并不算太高，但是借助长信量化先锋短期业绩优秀，长信基金专门针对量化展开一系列的宣传攻势。

《财经国家周刊》记者统计数据，2016年，每个季度末长信量化先锋规模分别为31.16亿元、46.16亿元和74.47亿元，当年末，其规模已达到109.44亿元，一度因为申购火爆不得不“限购”和分红来降低基金规模。

“该基金成立以来多数时间内偏重于投资中小盘成长风格个股。不少季度内基金持有大盘、价值风格个股占比几乎为0，成长风格占绝对优势。”中银国际证券有限责任公司孙昭杨表示。

因此，2016年四季度以来，市场风格转而寻求那些基本面扎实、业绩稳定的公司， 长信量化先锋在2016年11月突破高点后，便一路下滑直至垫底。这也意味着长信量化先锋背后接近最高点申购，被套牢在高位。 进入2017年之后，多家此前一直致力于量化投资研究的第三方机构，开始纷纷转向FOF等研究领域，与新一个交易年量化基金业绩萎靡大有关系。

而这并非市场个案，根据记者统计，从今年年初至6月30日跌幅垫底的光大保德信量化股票（-9.02%）、大摩量化多策略股票（-7.68%），其披露的持仓风格都是偏爱“中小创”。

同时，截至今年一季度，与长信量化先锋规模缩水至69.47亿元的遭遇一样，多个基金公司旗下量化产品还将面临“清盘”，例如上述成立于2016年10月27日的东兴量化多策略混合，2016年末规模为1.61亿元，成立不到一年时间，其规模已至清盘线下。

另外，据《财经国家周刊》记者了解，进入2017年之后，多家此前一直致力于量化投资研究的第三方机构，开始纷纷转向FOF等研究领域，与新一个交易年量化基金业绩萎靡大有关系。

“量化式”亏损反思

“目前A股市场，最为流行的量化股基的投资策略就是基于历史回测确定对股价影响较大的因子，但今年以来，价值股、大盘蓝筹股涨声一片，小盘股业绩不佳，于是大面积出现‘量化式’亏损。”富国基金一位量化投资负责人坦言，富国基金也是一家侧重量化投资的基金公司。

除了能够高效寻找上千只股票价格上涨或下跌的概率，量化投资最核心的卖点，莫过于使投资不再受基金经理的主观情绪影响，用量化模型抵御投资者内心的贪婪和恐惧。

如今，市场的突然反转，传统 alpha 策略当中最有效的市值及成长因子都遭受了不同程度的回撤。经过此次洗礼，量化基金却必须面对如何“主观灵活配置”的难题。

纵观长信量化先锋A持仓，自去年四季度以来基本上还是延续偏爱中小盘成长风格个股的投资风格。根据其年报，截至2016年年末，该基金股票仓位为84.05%，在其持有的154只个股中，中小板股和创业板股合计85只，占基金净值的比例达到50.06%。

到今年一季度，长信量化先锋A前十大重仓持股包括深桑达A、建研集团、雪莱特等，也均是以中小创股票为主。

如果放在更长的维度，从2010年11月成立至今年6月30日，长信量化先锋A的收益率为138.94%，超过同期沪深300指数近73%。同样的，从2011年至今，申万量化、长盛量化红利混合也分别达到138.95%、113.56%。

“量化交易通过回测，假设未来能够重演，更适用于长期投资，而大多数投资者的需求是在一定期限内获得回报，更考验配置能力与效率。”富国基金上述人士表示。

部分基金公司负责人透露，目前公司已着手试点，量化团队与其他团队的融合，量化与人工的优势结合始终是重点课题。

“一方面，公募基金风控和投资要求对量化交易的方法、品种、工具都产生了限制，套利、做空等策略都无法灵活运用，使得量化策略偏向于做多;其次，量化投资在牛市、市场风格转换时期表现不及主动投资，而是更多的被机构投资者所青睐，这又与国内小散为主的市场不适应。”摩根大通私人银行部门一位负责人分析。

篇13

政策跟经济总是分不开的，政策会对经济造成直接或间接的影响，早先美联储官员提出了一个可能退出当前宽松货币政策的大体方案，对于这个政策的预告，全球的市场或大或小都作出了回应。

美国公布量化宽松退市时间表，市场即以下跌来回应，然而笔者从中也发现一些正面的信号。谈到退市，笔者一直都持有极大的怀疑，退市谈何容易？一旦美国退出了高速印钞的行列，市场新钱供应不像2012年那么充足，证券市场会怎样？

美联储为了配合退市消息，预测2014年失业率回落至6.5%～6.8%，这比市场预期乐观得多。美国曾经在2009年10月录得10%的失业率，之后一直徘徊在8.5%～9.2%，就业不足仍然是美国的重要问题。近年很多企业，特别是大型连锁店和服务业的许多员工都是以兼职、时薪形式聘用，这些人不管是收入还是福利都达不到基本生活标准，也不会计算在失业人口中。即使近期美国公布失业率大幅回落至7.6%左右，整体经济仍未有太大改善。量化宽松真的如期退市，对规模较小的投资市场，如亚洲的印尼、泰国、菲律宾及非洲等地将会造成极大波动，届时热钱和一些投资机构都会好好把握这个机会，在混乱中获得巨大利润。

受量化宽松退市影响相对较小的市场，可以考虑中国、印度，其次是新加坡、中国香港。中、印都可以依靠内需来维持经济增长。印度的出口生意只占GDP的16%，是亚洲最低的国家，一直以来印度经济起跌都以内在因素为主。中国香港和新加坡是亚洲较成熟的经济体，都以金融、旅游及内需为主，当地投资者也较为成熟和专业。

以印度尼西亚为例，从数据上看它的经济状况不错，很有投资价值，也侧重依靠内需来维持经济增长。该国在2013年一季度的GDP更录得6.02%的骄人增长，但该国央行在6月中突然宣布加息25个点，对投资市场造成了或多或少的负面影响。再加上印尼市场相对亚洲其他市场属于规模相对较小的市场，热钱要借任何消息来炒作也较为容易，对这个市场应格外小心。

市场充满量化宽松退市的消息，不但对投资市场造成影响，以出口为主的国家同时也受拖累。今年以来表现差强人意的韩国，5月份公布的PPI下跌2.6%，也是连续8个月下跌。当中以农业产品跌幅最大，达到9.7%，反映了当地工业生产将进一步放缓。

换个角度来看，量化宽松退市也有积极的影响。当全球各国企业开始相信退市消息时，便会明白钞票不再是源源不断供应，会把自己的企业认真经营好，这有助于企业加强内在竞争能力，长远来看对经济发展也有着极大的帮助。始终依靠不断印钞来维持经济，是极不健康的方法。随着企业素质逐步加强，市场下行风险自然减少。

量化宽松退市对于债市产生利好，股票的投资价值会出现下调。但不必过分担心，企业素质提升有助盈利创造，股市回落后价格更为便宜，会再次把资金引入股市。过去的25年，亚洲股票市场估值一直处于较低水平，只有亚洲金融风暴（1997年）、SARS病毒（2003年）和金融海啸（2008年）才较目前估值更低。

篇14

2016年以来，A股震荡明显加剧。如何更好地规避风险、保住前期浮盈，成为投资者最关心的话题。在此背景下，一些收益稳定、回撤控制能力强的量化产品就成了投资者稳健配置的首选。据《投资者报》数据研究中心对全市场成立于2016年前的67只量化产品（A、C类分开计算）的区间复权单位净值增长率、以及区间复权单位净值相对大盘增长率的统计数据显示，截至5月13日，华宝兴业基金旗下的华宝兴业量化对冲策略混合型发起式基金A/C（以下简称“华宝量化对冲”）在全部67只量化产品中业绩表现最好，其区间复权单位净值相对大盘增长率均超过了20%。

震荡市场上的投资利器

对于旨在获取绝对回报的华宝量化对冲来说，完全称得上是震荡市场上的投资利器。

据公开资料显示，自2014年9月成立以来，华宝量化对冲基金已成功穿越4次股市大劫：在2015年1月下旬、4月下旬、6月中旬、以及2016年1月上旬的A股大幅调整中，平稳规避了风险，历次净值涨幅超越沪指均在5个百分点以上（数据来源：Wind；截至：2016.4.22）。

此外，值得一提的是，现任基金经理徐林明，证券从业经历14年，除了担任华宝兴业量化对冲基金、上证180价值ETF及联接基金、华宝兴业事件驱动的基金经理外，还是华宝兴业基金的助理投资总监兼量化投资部总经理。据业内人士介绍，徐林明长期从事主动量化策略研究和量化投资工作，在择时、行业配置和选股领域有较深入的思考和研究，总体负责量化对冲的投资运作和量化模型开发。

谈及当前的投资操作，徐林明表示，“2016年以来股指期货负基差结构仍然存在，在此局面下，华宝量化对冲继续保持低仓位运作，股票部分用于满足申购新股的市值要求，同时对这部分头寸，利用股指期货对冲系统性风险。一季度华宝量化对冲的资金主要投资于低风险的标的或者现金管理，并积极参与新股申购、可转债申购、协议存款、隔夜回购等，力争在风险可控的前提下实现净值的稳健增长。”

业内创新量化投资专家

实际上，华宝量化对冲成立自以来，其净值一直稳步上升，虽然，期间受到市场基差扰动有一定回撤，但很快就回归正常，这显然得益于旗下强大的创新量化投资专家团队。